pandas中pd.merge传入apply行对象触发KeyError如何解决

调用apply(axis=1)逐行遍历DataFrame时，传入自定义函数的row是Series类型的一维结构，不是DataFrame：

• 执行row[col_select_Event]取多列值时，返回的是索引为['A','B']的一维Series，没有列维度，pd.merge无法匹配到on参数指定的A、B列，直接触发KeyError。
• 注释中EMAP[col_select_Event][1:2]的写法返回的是带A、B列名的二维DataFrame，结构符合merge的输入要求，因此不会报错。

方法1：适配原有逐行apply逻辑 #

如果确实需要逐行执行自定义处理逻辑，把行Series转换为保留列名的单行DataFrame再传入merge即可：

import pandas as pd

# 样例数据初始化
EMAP = pd.DataFrame({
    'A': ['Apple', 'Orange', 'Strawberry'],
    'B': [1, 2, 3],
    'C': ['abc'] * 3
})
RCA = pd.DataFrame({
    'A': ['Apple', 'Orange'],
    'B': [1, 2]
})
col_select_Event = ['A', 'B']

def merge(row):
    # 将行Series转置为单行DataFrame，保留原列名
    a = row.to_frame().T[col_select_Event]
    filtered_RCA = pd.merge(RCA, a, on=col_select_Event, how='inner')
    # 可在此处添加自定义逐行处理逻辑
    return filtered_RCA

j = EMAP.apply(merge, axis=1)

方法2：直接整表merge（性能最优，无特殊逐行需求优先选择） #

apply本质是Python层的逐行循环，执行效率极低。如果没有必须逐行处理的特殊逻辑，直接对两个DataFrame做整表关联即可，代码更简洁，数据量大时性能比逐行apply高数十到数百倍：

# 直接得到两表A、B列完全匹配的结果
filtered_RCA = pd.merge(EMAP, RCA, on=col_select_Event, how='inner')

内容的提问来源于stack exchange，提问作者Precious_Junk